前言：寻找写作灵感？中文期刊网用心挑选的大数据在知识管理的应用，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
摘要：大数据作为一项包容性较强的全新概念，对各行业领域以及学科均有着十分重要的影响。知识管理是一项同信息与数据紧密相连的学科与行业，对于大数据的兴起相对较为敏感。如何于大数据背景下对知识管理进行全新的定位与认识，针对增强知识管理所占据的学科地位与学科能力均具有非常关键的作用。
关键词：大数据；知识管理；知识管理系统
大数据的全面兴起是计算机科学发展与进步的主要产物，计算机科学的发展与进步，使人们可以实现对于具体实物的全面详细描画，因此产生的庞大数据孕育出大数据向相关概念，以及基于大数据而出现的各项数据技术。大数据背景下的知识管理，具有同之前存在差异的较多新特性，并成为知识管理完成改革创新的必要基础，同时也成为嫁接大数据技术而产生的知识管理革命。
一、大数据概述
大数据，并非单纯形式的数量的提高，而是由量变演化到质变，大数据已然彰显出多种全新特点，因此要求人们运用全新视角与思维重新认识并运用大数据。通常而言，大数据是指所涵盖的数据量规模庞大，无法采用普通软件工具对信息与数据进行有效处理。大数据特点主要涵盖大量、高速、多样、价值四大特点。面对庞大的数据，大数据同样要求较高的处理速度，甚至要求进行实时分析。大数据价值密度相对较低，不过通过数据挖掘技术处理之后，所形成的数据价值得以提高，所形成的外部效应同小数据时代存在较大差异。
二、大数据背景下知识管理主要技术
（一）云计算
云计算为同大数据共同衍生而出的概念，云计算的主要计算对象则为大数据。云计算给企业知识管理系统内部的大数据提供相应的存储空间以及计算能力，从而推动中小型企业能够同大型企业同样运用大数据技术完成对知识管理系统的建立并使其良好运行。云计算拥有较为多样的计算模式，计算资源十分巨大，能够为异构系统众多的各个行业类型企业提供科学合理的处理方式。
（二）可视化
数据同信息实现可视化，且技术逐渐成熟并步入快速发展阶段。可视化成为加速知识传播同转化的关键方法，因此可视化技术成为知识管理系统十分必要的技术基础。可视化技术能够使知识的表现形式更为丰富，并减小知识的难度便于吸收理解，加速知识于组织内部的高效传播，便于对知识库内的知识采取有效掌控，推动知识的发展与更新。
（三）数据挖掘
面对冗杂的数据信息，传统形式的知识管理系统单纯借助人工进行知识的发掘，大数据背景下，数据挖掘技术的进步使得人们能够使用该项技术从冗杂的数据信息之中挖掘具有重要价值的知识，进而推动知识库的发展建设。
（一）知识管理系统更加智能化
传统形式的知识管理系统，无论是知识库的构建还是拓展方面，一定程度上需要借助人的智慧与力量。对于大数据背景下知识管理系统而言，不但可以取代人工自行构建知识库，还同人工一样具备智慧进行智能化思考与逻辑推理，同时生产并组织知识。知识管理系统的系统化智能化发展，将人类从知识管理的初始起步阶段进行改革创新发展，进而更加专注于对高层级高级别知识的系统化生产与有效应用。这将成为大数据背景下知识管理系统针对传统形式的知识管理系统的改革与创新。
（二）知识管理系统运行速率提高
随着科学技术的不断提升，知识管理系统所具备的处理与更新速率得到质的提升，不过大数据背景下对知识管理系统所具备的处理与更新速率有了更为严格要求，并且同之前知识管理系统采用的逻辑负荷以及提速方法存在较大差异，务必按照全新的大数据技术对全部业务流程进行重新安排。首先，知识管理处理数据与信息数量快速提高，因此知识管理系统自身运行速率需同步提高，方可使知识管理系统能够得到及时更新并具备流畅处理能力。其次，针对企业运行而言，知识管理担任的角色需要具备及时性。知识管理既包括收集整理隐形知识的慢节奏目的，尤其是现代企业之间竞争较为激烈，要求企业具备较强的知识更新速率，同时要求知识管理系统拥有较高的运行速率。最后，计算机同互联网技术，尤其是大数据处理技术的不断发展，为知识管理系统自身运行速率的提升奠定技术基础，促进企业有效开展大数据规划战略。现代企业所具备的智能化程度不断提升，企业生产运营的全过程均可以被知识管理系统详细收录，从而形成庞大的数据。在此过程内，数据与信息的收集整理速率为以上时期的最高阶段，企业的全部信息数据均会被有效收集整理到数据库，数据总量与流量相对更加庞大。
（三）知识管理面对的数据与信息更为多样化
传统形式的知识管理系统管理的信息同数据格式多为结构化数据，针对企业数据而言，非结构化数据与半结构形式的数据占比较大，结构化数据占比相对较小。占比较小的结构化数据尽管价值相对较大，不过基于价值总量而言，非结构化数据与半结构形式的数据占据的价值总量同样十分重要。随着大数据技术的进步与发展，企业的数据库以及知识管理系统能力与水平不断提高，对复杂多样格式不同的数据同信息能够做到高效处理，不但涵盖传统形式的文章，还有快速发展的图像与视频等形式的数据同信息。
（四）知识管理系统价值总量提升与价值密度减小
同传统形式的知识管理系统相比较，大数据背景下的知识管理系统所具有的价值密度出现减小的情况。一方面是由于知识管理系统内部数据同信息总量不断提升，另一方面是由于大数据背景下知识管理系统大多数数据同信息均为系统自动进行收集整理，同传统形式的人工操作相比较而言，价值密度势必减小。不过价值密度的减小，并非表示大数据的应用导致知识管理系统的整体价值出现降低。知识管理类系统虽具备的价值密度减小的同时，航天的数据与信息总量呈现出几何级数形式的快速提高，庞大的数据所蕴含的价值总量十分巨大，大大超过价值密度减小所造成负面影响。
（五）知识管理系统处理分析的数据与信息总量提高
知识管理主要是构建于对信息同数据的收集整理分析前期下，不论何种形式的知识管理系统均为最基本的数据同信息共同组建而成，之后则为对知识的转化以及抽取的全部过程。知识管理开始兴起初期，所分析处理的数据同信息总量还不是十分巨大，在初代知识管理时期，企业知识管理主要为办公业务有关的自动化管理，通常为邮件或是文档数据库为主要基础核心，重点则为文档管理。在初代时期，即使针对规模巨大的企业而言，其存储的文档总量同如今相比还算不上数量庞大。一方面是由于当时的存储能力以及数据生产水平相对有限，使得企业生产、收集与存储数据与信息的能力受到约束限制，当时的生产还处于较为落后的水平，无法完全实现电子化，无法采用如今种类各异的各种类型传感器对企业整体运行采取实时监控，因此无法积累庞大的数据信息量。除此之外，当时的数据存储水平与技术还不是十分先进，数据存储付出的代价相对较高，使得企业存储庞大的信息数据受到一定约束限制。另一方面，当时的数据处理水平与技术还存在一定的不足，企业存储的庞大信息数据并不能及时高效的获得有效的分析处理，导致企业失去对存储庞大信息数据的主观意愿。21世纪以来，不论是数据的生产还是信息数据的存储与分析处理技术，均获得快速提升，互联网科学与计算机发展形势十分迅猛，知识企业没有足够的能力对产生的巨大任务进行有效处理。IDC有关德国存储实际情况的分析调查有关报告，针对德国众多企业的抽样调查，并对未来企业数据信息总量的快速增长进行分析预测。企业数据信息总量的提升，并不是企业内部知识管理系统的功能拓展就可以有效解决的，量变势必导致质变，企业数据信息总量的提升已然给企业数据管理以全新特点，采用之前企业知识管理的有关概念与技术不能有效处理庞大的数据信息总量，企业务必通过全新的知识管理理念以及先进技术有效处理所面对的庞大数据信息。企业务必通过全新的知识管理理念以及先进技术对企业的知识管理系统进行创新，以此有效处理解决大数据所面对的全新挑战。
四、结论
大数据作为同知识管理紧密相连的重要概念，知识管理唯有紧密围绕大数据，并运用大数据进行改革创新，方可在大数据背景下寻找立足之处。需要对知识管理的业务步骤以及学科原理进行全新的认识与定位，还需有效运用大数据所涵盖的各项实用技术，使知识管理能够从内涵方面以及实践方面成为大树背景下的佼佼者。
参考文献：
[1]赵蓉英,魏绪秋.聚识成智:大数据环境下的知识管理框架模型[J].情报理论与实践,2017,40(09):20-23.
[2]王琛.大数据背景下知识管理的应用和分析[J].数字传媒研究,2016,33(04):72-75.
[3]吴泽.大数据时代知识管理的作用和方法创新[J].图书情报导刊,2016,1(01):110-112.
[4]卢康,周智力.大数据技术在航天企业知识管理系统中的应用[J].航天工业管理,2017,26(4):33-36.
[5]孟强.大数据时代知识管理在电商企业中的应用研究[J].经营管理者,2015,17(24):278-279.
作者:李爽 单位:长江大学管理学院
